Wimasis鸡胚绒毛尿囊膜血管图像分析30006

Wimasis图像分析在线平台是一个全新的，高效的细胞实验图像分析平台。将细胞实验后获得的大量图像，通过简单的上传，就能获得图像分析的结果。为研究者简化了繁琐的图像分析流程。标准化的细胞实验图像分析，为各领域的细胞实验研究人员提供了可靠的，个性化的分析结果。不同的细胞生物学实验，Wimasis有不同的数据分析平台，选择相应的平台，上传细胞实验图像，很快就能得到标准的图像分析结果。

工作原理：
wimasis提供的图像分析，研究者完全可以了在任何地方访问mywim分析平台，随时随地上传实验图像，检查实验结果。只要有电脑和网络，mywim就能为您土工快速的，可靠的实验结果。注册一个账号，就可以开始简单轻松的图像分析了。

开始使用wimasis自动图像分析模块，你只需要一个账户，你的图像。听起来一样简单！按照这些简单的步骤来创建您的帐户和您的图像分析：
1。创建一个免费mywim账户，在wimasis网页上点击“免费注册”，并通过填入的电子邮件*该帐户。 
2。选择相应的图像分析平台并按照说明上传图像，等待上传成功后就能受到一封电子邮件，以通知您上传是否成功，以及什么时候能够得到分析结果。
3。当图像处理结束后，wimasis将给您发一封邮件，为您提供一个简短的订单数据汇总。完整的结果可从您的帐户中mywim结果部分下载。
Wimasis将保护您的隐私，您账户中任何一次操作，都会发送当您的邮件中去，您也可以直接登录您的mysim账户查看每个图像的分析状况。

产品明细：
一、血管生成实验
1、wimCAM——鸡胚绒毛尿囊膜血管生成图像分析

许多研究者都采用发育中的鸡胚绒毛尿囊膜来研究许多血管生物医学和血管发育的关键因子。鸡胚绒毛尿囊膜是一个与体内模型非常类似的模型。可以用来代替模拟体内研究血管生长和血管结构中的血管和毛细血管的损伤的实验，这在**研究中是一个重要的环节，并且在、血管生成、血管疾病、发育生物学以及大量其他领域中都有重要的意义。
CAM检测结果的与体内研究的类似为研究者提供了一个易于观察血管发生发育的代表性的结果。采用CAM进行实验将很容易用肉眼观测到血管的形成以及血管的结构的变化，但是，这需要大量的时间将这一实验结果图片进行量化分析，以用于阐述客观的实验结果。wimCAM是专门开发的客观的量化在绒毛尿囊膜的血管新生成的生长和结构的图像分析解决方案。它提供了生物和生物医学研究人员的客观和可靠的测量血管结构的CAM，如节点的数量和血管密度的膜，这使得两个不同的实验结果的客观比较。

分析结果包括：
血管片段的个数
分支点的个数
血管网络的个数
血管的密度
血管片段的长度
血管网络的总长度

2、wimRetina 视网膜血管生成图像分析


血管生成的研究是细胞生物学和生物医学研究的主要问题之一，它是许多**相关研究的基础，在许多其他疾病的研究中也起着重要的作用。视网膜血管结构提供一种特殊的情况下血管的演变和发展条件，因为其血管网生长在二维受限制的长区域，在血管生成相关疾病研究中，方便对血管生成的行为进行操作和观测。
但是在视网膜血管生成活性的统计中，在实验图片中，人工分析和量化视网膜血管生成是个主观性很强，并且繁重的工作。wimRetina能使视网膜血管的统计更加轻松和客观，并且具有重复性和可对比性。
wimRetina的目的是能够精确量化视网膜血管系统的精确量化和参与它的发展和成长的过程，得到客观的数据，如新生血管芽生，血管生长和增殖的血管结构的重塑。它提供了生物和生物医学研究人员的可重复性和可靠的分析，得到的视网膜图像（主要可见的部分或完整的视网膜）显示的感兴趣区域的血管网络的精确检测。
wimRetina将视网膜血管荧光显微镜成像输入分析平台，全自动区分黑暗背景标有荧光染色的血管进行统计。

分析结果包括：
血管片段的个数
分支点的个数
血管成环的个数
血管网络的个数
血管的密度
血管片段的长度
血管网络的总长度

3.WimSprout-出芽实验图像分析

wimSprout是针对出芽实验的图像分析方法定量平台。研究者可以很容易的得到体外血管生成实验，和血管生成因子在发芽实验中监测数据。
使用wimSprout只需要电脑和互联网，上传你的图片到您的帐户的图像分析平台并且很快得到数据结果。
wimsprout有不同的分析模块，适应各种萌发芽实验：细胞团，主动脉环和纤维蛋白珠试验。只需要在平台上选择较适合您的需要wimsprout分析：wimsprout-细胞团出芽分析，wimsprout -主动脉瓣环出芽分析或wimsprout -纤维蛋白珠出芽分析，就能快速地进行图像分析。一个简短的总结结果通过电子邮件将发送给您，具体的分析结果可以在您的账户中下载。

分析结果包括：
细胞团，主动脉环和纤维蛋白珠的面积
出芽面积
出芽个数
累计出芽长度
平均出芽长度

4.WimTube-小管形成/血管生成图像分析

新血管的形成对生物系统的生长发育至关重要。许多药物筛选和细胞信号转导的研究是针对初始和持续的实体**的生长和维持其复杂的生理过程，而血管生成的作用是这一研究的研究的重点。
在体外血管生成试验是基于内皮细胞分化和在胞外基质如Matrigel?结构的形成的管状结构的分析。此法可进行筛选化合物对血管生成的影响，并能够提供良好的，可重复的结果。这种分析的主要优点是，它提供随着时间的推移，监测血管生成的行为的方法，因此能分析时间对新生血管的形成的影响。

分析结果包括：
分支点
小管长度，数量
成环个数和占面积
细胞覆盖区域

二、细胞凋亡
1、WimAutophagy-细胞自噬体实验分析


自噬体是细胞聚集蛋白和功能失调的细胞器降解的主要过程，自噬体的改变参与许多疾病的发生，如神经系统疾病。wimAutophagy是我们的图像分析解决方案专门用于分析细胞或组织培养细胞的自噬体图像的自噬过程。
wimAutophagy具有高端图像处理算法，能够检测细胞核并分配到相应的自噬体细胞核，能从分析结果中得到每个细胞的有用的数据，能够估计每个细胞自噬体点的数量。wimAutophagy能够分析许多不同类型的图像，如贴壁细胞荧光显微镜和激光共聚焦显微镜的成像。

分析结果包括
细胞个数
估计自噬体的面积和平均强度
平均每个细胞内的自噬体个数
平均细胞核面积
细胞核，细胞质和自噬体的面积
自噬体的个数

2、WimCytotoxicity-细胞毒性实验分析

细胞毒性试验是在研究药物或化合物在发挥作用是对细胞造成不必要的毒性，对细胞造成破坏以及威胁细胞的生存。在筛选**性化合物在癌症**的研究中是非常重要的一个环节。
毒物的毒性作用可以使用的荧光染料很容易的观察到，如台盼蓝或碘化丙啶。但对测定产生的荧光显微镜图像中目的细胞群体的客观量化是一项艰巨的工作。WimCytotoxicity是专为这一实验分析设计。
wimcytotoxicity工具能够检测目的细胞毒性的荧光显微镜图像。能够定量的统计的整个细胞群的检测和识别的细胞由细胞毒性剂的影响。不同的染料的细胞毒性荧光显微镜图像：一个染料对活细胞和另一个受影响的细胞毒性。能在wimCytotoxicity中快速有效的的进行分析。

分析结果包括：
总细胞数
发生细胞毒性的细胞数
细胞毒性的百分比

3、WimTUNEL - TUNEL实验分析

研究导致DNA损伤及其后果的机制，是更好地了解人类疾病的一个宝贵的信息来源。TDT介导dUTP缺口末端标记（TUNEL）染色观察这一过程，在凋亡、坏死和其他DNA损伤相关的过程中有及其重要的作用。它的有效性有利于筛选大量的细胞培养，需要对海量的图像处理。
wimasis TUNEL检测工具的设计产生的目的就是对培养细胞的荧光显微镜图像的细胞DNA损伤的可重复性的定量。量化是基于整个细胞群的检测和识别上的标记细胞TUNEL染色试剂。
wimasis TUNEL可以识别荧光显微镜图像的不同染料：核或细胞质的TUNEL染色和另一个标记膜染料。

分析结果包括：
图像内所有细胞计数
图像内所有TUNEL染色标记的细胞数
TUNEL染色细胞所占的比例

三、细胞增殖和迁移

1、WimColony-菌落形成实验图像分析



菌落形成试验是一种常用的测量细胞生长能力的技术，从较初已知的细胞群体监测菌落的形成。菌落的形成需要密集的分裂的原始细胞，所以在整个实验的细胞或菌落的数量的量化是细胞的生长潜力的**指标。因此，集落形成试验已成为一种广泛用于癌症研究的方法来研究药物和电离辐射疗法对癌细胞增殖的影响。
观察人的集落形成过程和发展是一个实用的方法来估计进化的分析，但很难找到一个有效的方法来比较两种不同的细胞培养的增殖活性。它缺乏客观性，不适合量化菌落形成的过程，比较不同实验的结果，客观地判断外源剂对细胞生长潜能的影响。
wimColony工具的目的是做出一个客观的和可重复的定量菌落在培养细胞形成图像。量化是基于每个单独的细胞和菌落的检测和提取其识别特性，以提供可靠的数据的菌落和发育。
wimColony明场和细胞荧光显微镜图像来分析菌落的个数。

分析结果包括：
菌落的个数
菌落的平均面积
单个菌落的面积

2、WimCounting-细胞计数图像分析


wimcounting是定量评价图像中的细胞数量不同类型的检测图像分析的解决方案，如细胞活力检测，病原菌的浓度测定、细胞分裂率的计算及更多。
wimcounting是自动化的细胞和细胞核计数的工具，可以让你*额外花时间或购买昂贵的设备让你的细胞计数。你将有更多的时间为你的研究。只是快速地上传你的图片mywim图像分析平台，在几分钟内您将收到您的结果。
wimcounting可以分析较常见的显微技术在细胞计数检测、荧光、相差和微分干涉的成像。。只需选择您的图像在上传的方式，就能的图像分析快速，准确细胞计数结果。

分析结果包括：
细胞和细胞核的计数
平均细胞面积
细胞覆盖总面积
细胞覆盖比例

3、WimScratch-伤口愈合图像分析

1. *解决伤口愈合实验-从样品准备到成像分析只需要几步
2. 客观的和可再生分析
3. 简单并且快速的数据处理-几分钟出结果
4. 不需要额外的硬件或者软件
 
应用:
1.伤口愈合和细胞迁移实验结果定量化；
2.细胞迁移实验成像分析和数据处理
  
分析结果包括：
细胞覆盖面积
终止速度（平均≥5个图像）
加速特征（平均≥5个图像）
概览图
中间接合处的近似值（平均≥5个图像）

4、WimTaxis-细胞趋化轨迹分析

趋化性成像分析是**相关研究领域中的一个关键部分，手工采集和评估细胞迁移即耗时又缺乏客观性。Wimasis是ibidi公司的合作伙伴用于定量成像分析，开发出的趋化性和迁移分析软件不需额外的硬件和软件，即可快速获得结果。
WimTaxis有两种模式可选：WimTaxis-细胞追踪 和 WimTaxis-细菌追踪，可以快速、精确地检测细胞或细菌的趋化性迁移，并提供它们的轨迹视频。
 
分析结果包括：
细胞追踪定位动画显示；
迁移效率（水平和垂直方向）；
细胞追踪轨迹视频；
踪迹和质心统计

四、其他应用
1、WimComet-Comet细胞实验图像分析

彗星试验是一种扩展的DNA损伤检测方法。它的简单性，快速性和可靠性使它成为理想的各种各样DNA损伤的研究实验。一些实验中一般用彗星试验是在新药物化合物的筛选遗传毒性的研究，用抗生素和基本的DNA损伤与修复的研究环境污染监测。
彗星试验的结合其可靠性容易使它的一个较有趣的和扩展的技术来测量DNA损伤。DNA损伤可以很容易地观察到彗星状的结构，但不那么容易量化。使用图像处理和分析的关键是获得客观和可重复的数据，以帮助您客观地测量在彗星试验中的DNA损伤。w
wimcomet工具是专门设计来客观地衡量在高精度、高可靠性的彗星图像DNA损伤的图像分析解决方案。它使一个自动化的和可重复的定量的彗星头和尾部使用高端图像处理算法来检测和比较的两个信号。

分析结果包括：
彗星总强度
彗星长度
DNA中的百分比尾
尾长
Olive尾矩

2、WimNeuron-神经突增生图像分析


神经系统是一个复杂的神经元网络，它的正确运作高度依赖于神经元向神经元连接的适当发育；因此，神经回路的形成非常依赖于突起生长过程的正确进化。突起生长是神经突起形成和发展的复杂而关键的过程，其故障涉及一系列的神经元疾病和疾病，如阿尔茨海默病和帕金森，因此它构成了神经病学和精神病学研究的主要焦点之一。
突起生长和目标量化的演变是一项艰巨的任务，只有较先进的图像分析技术，可以进行成功和可靠性。wimneuron–神经轴突生长针对神经突起生长的定量研究，提供客观的数据。

分析结果包括：
神经网络的个数
神经突片段的个数
分支个数
总环路的长度

3、WimTransfection-细胞转染图像分析

转染是遗传学研究和新基因**路径发展的较广泛的实验之一。这是一种简单但有效的方法，它是通过在细胞膜上插入核酸的方式，将DNA物质引入细胞。转染的细胞被迫加入外源基因材料，这可能会导致一系列的变化，在细胞形态和其他性状的高利息的遗传学。这种方法的是癌症，艾滋病和其他疾病的遗传**的发展，并研究改进的蔬菜，水果和植物的特性，通过产生转基因产品的应用基础。
在细胞培养中的转染的研究需要大量的转染细胞的生产，需要进行筛选和监测。手动定量，是一个繁琐和耗时的任务。wimTransfection是荧光显微镜图像中定量细胞转染的工具，获得可重复性和可对比性的结果。

分析结果包括：
图像中所有细胞个数
转染细胞个数
转染效率

4、WimLipid-脂滴图像分析



脂滴是调节中性脂质储存的基础，可以根据脂滴研究代谢的需求。但它们不仅是能量库，因为这种动态的细胞器是许多生物过程的一部分，如细胞能量平衡和脂质代谢。脂滴法在代谢性疾病的研究，如肥胖、糖尿病和动脉粥样硬化有重要的作用。
wimLipid图像分析解决方案是专为增殖，脂滴生长和分布提供了可靠的分析数据，如这些细胞器的数量、覆盖区域或地区的间隔分布。

分析结果包括：
脂滴个数
脂滴覆盖面积
平均覆盖面积
区间分布
单个细胞的脂滴个数和覆盖面积

5、WimAdipose-脂肪细胞图像分析


脂肪细胞在能量和葡萄糖代谢中起着重要的作用，既作为能量储存单位，又充当这些过程的内分泌调节器。作为脂肪细胞大小的主要调制器，脂肪细胞横截面面积的测量已被广泛用于代谢相关疾病，如肥胖，糖尿病和各种心血管疾病提供准确和可重复的表征。通过显微镜直接测量脂肪细胞的大小被广泛使用，但这是个非常费时的过程。
wimasis脂肪工具的目的是对苏木精和伊红（H&E）染色的组织切片进行定量的脂肪细胞的分析。可以快速的获得图像中的脂肪细胞的细胞个数和细胞横截面面积。

分析结果包括：
总细胞计数：在图像中检测脂肪细胞总数。
细胞面积：对每个检测到的脂肪细胞面积列表
脂肪细胞平均细胞面积
脂肪细胞病病变平均面积的